Bilgisayarla Görme (EE 430) Ders Detayları Ders Adı Ders Kodu Dönemi Ders Saati Uygulama Saati Laboratuar Saati Kredi AKTS Bilgisayarla Görme EE 430 Her İkisi 3 0 0 3 5 Ön Koşul Ders(ler)i EE 275, MATH 158, EE 204 (FD) Dersin Dili Dersin Türü Dersin Seviyesi Ders Verilme Şekli İngilizce Seçmeli Dersler Lisans Yüz Yüze Dersin Öğrenme ve Öğretme Teknikleri Anlatım, Gösteri, Uygulama-Alıştırma, Takım/Grup Çalışması Dersin Koordinatörü Dersin Öğretmen(ler)i Yrd. Doç. Dr. Hakan Tora Yrd. Doç. Dr. Hakan Tora
Dersin Asistanı Dersin Amacı Dersin Eğitim Çıktıları Dersin İçeriği Bilgisayarla görmenin temel problemlerini çalışmak Bilgisayarla görmede problem çözümünde kullanılan ana kavram ve teknikleri çalışmak Bilgisayarla görme ve video elektroniğinin kullanıldığı tipik uygulama alanlarını çalışmak Bu dersi başarıyla tamamlayabilen öğrenciler; Alçak, orta ve yüksek seviyeli görüntü problemlerini çözmede literatürdeki algoritma ve teknikleri uygulayabilme Tek veya bir çok camera kullanarak imgelerin edinilebilmesi İlgilenilen nesnelerin saptanabilmesi ve tanınabilmesi, imge dizilerinden hareket içeriğinin çıkartılabilmesi ve imgelerden üç boyutlu yapı bilgisinin çıkartılabilmesi İmge bölütleme, imge eşleştirme ve nesne saptama veya nesne tanıma yapabilen programlar yazabilme Dönem projeleri aracılığı ile algoritma ve sistem geliştirme deneyimlerine sahip olabilme İnsanın görme sistemi, geometric camera modelleri, imge bölütleme, nesne tanıma, video işaretleri ve standartları, bilgisayarla görme ve sayısal video uygulamaları Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları HaftaKonular Ön Hazırlık 1 Görüntülemenin Temelleri ve Fiziği
2 İmgeler ve Görüntüleme İşlemleri: İmge işleme işlemleri ve imge süzme işlemleri Notlarınızı tekrarlayınız 3 İmgeler ve Görüntüleme İşlemleri Bir önceki haftanın konularını tekrar ediniz ve bu haftanın konularına göz atınız 4 İmge Bölütleme: Gruplandırma metodları, Model Oturtma Bu haftanın konularına göz atınız 5 İmge Bölütleme Bir önceki haftanın konularını tekrar ediniz ve bu haftanın konularına göz atınız 6 Tanımaya Giriş: Örüntü sınıflandırma Modeli, Sınıflandırma için istatistiksel teknikler 7 Tanımaya Giriş Notlarınızı tekrarlayınız 8 Geometrik Kamera Modelleri: Kamera parametreleri ve perspekfif izdüşüm, ilgin kameralar, kamera kalibrasyonu 9 Geometrik Kamera Modelleri 10 Video Sinyalleri ve Standartları: Sayısal video, imge ve video sıkıştırma ve sıkıştırmayı açma Bu haftanın konularına göz atınız. Ders notlarınıza çalışınız 11 Video Sinyalleri ve Standartları Bir önceki haftanın konularını tekrar ediniz ve bu haftanın konularına göz atınız 12 Görüntü Sistem Tasarımı: Kameralar ve Sayısallaştırma, Gerçek Zamanlı donanım ve sistem tasarımındaki unsurlar, Optimal donanım gerçekleştirimindeki temel fikirler
13 Uygulamalar: Otomatik Görsel İnceleme, biyometrik, robot, Automated visual inspection, biometrics, robotics, insan izleme, people tracking, görüntüye dayalı güvenlik, insan-bilgisayar etkileşimi Konuları tekrarlayınız ve kitabınızdan okuyunuz 14 Uygulamalar Ödevinizi yapınız 15 Dönem sonu sınavları Konuları tekrar ediniz 16 Dönem sonu sınavları Konuları tekrar ediniz Kaynaklar Ders Kitabı: 1. Computer Vision: A Modern Approach, David A. Forsyth and Jean Ponce, Prentice Hall, 2003 Diğer Kaynaklar: 1. Machine vision: theory, algorithms, practicalities, Davies, E. R. (E. Roy), Elsevier, 2005 Değerlendirme Sistemi Çalışmalar Sayı Katkı Payı Devam/Katılım - - Laboratuar - - Uygulama 8 15 Alan Çalışması - - Derse Özgü Staj - - Küçük Sınavlar/Stüdyo Kritiği - - Ödevler 8 10
Sunum - - Projeler 1 25 Seminer - - Ara Sınavlar/Ara Juri 1 20 Genel Sınav/Final Juri 1 30 Toplam 19 100 Yarıyıl İçi Çalışmalarının Başarı Notu Katkısı Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı 70 30 Toplam 100 Ders Kategorisi Temel Meslek Dersleri Uzmanlık/Alan Dersleri Destek Dersleri İletişim ve Yönetim Becerileri Dersleri Aktarılabilir Beceri Dersleri
Dersin Öğrenim Çıktılarının Program Yeterlilikleri ile İlişkisi # Program Yeterlilikleri / Çıktıları Katkı Düzeyi 1 2 3 4 5 1 Ayrık matematik, rasgele süreçler, türevsel denklemler, lineer cebir ile karmaşık değişkenleri içeren ileri mühendislik matematiği, fen bilimleri ve Elektrik-Elektronik alanı ile ilgili kuramsal ve uygulamalı bilgileri, mühendislik problemlerini modelleme ve çözme için uygulayabilme becerisi 2 Karmaşık mühendislik problemlerini saptama, tanımlama, formüle etme ve çözme becerisi; bu amaçla uygun analiz ve modelleme yöntemlerini seçme ve uygulama becerisi. 3 Karmaşık bir sistemi, süreci, cihazı veya ürünü gerçekçi kısıtlar ve koşullar altında, belirli gereksinimleri karşılayacak şekilde tasarlama becerisi; bu amaçla modern tasarım yöntemlerini uygulama becerisi. (Gerçekçi kısıtlar ve koşullar tasarımın niteliğine göre, ekonomi, çevre sorunları, sürdürülebilirlik, üretilebilirlik, etik, sağlık, güvenlik, sosyal ve politik sorunlar gibi ögeleri içerirler.) 4 Mühendislik uygulamaları için gerekli olan modern teknik ve araçları geliştirme, seçme ve kullanma becerisi; bilişim teknolojilerini etkin bir şekilde kullanma becerisi. 5 Mühendislik problemlerinin incelenmesi için deney tasarlama, deney yapma, veri toplama, sonuçları analiz etme ve yorumlama becerisi. 6 Disiplin içi ve çok disiplinli takımlarda etkin biçimde çalışabilme becerisi; bireysel çalışma becerisi. 7 Türkçe sözlü ve yazılı etkin iletişim kurma becerisi; en az bir yabancı dil bilgisi.
8 Yaşam boyu öğrenmenin gerekliliği bilinci; bilgiye erişebilme, bilim ve teknolojideki gelişmeleri izleme ve kendini sürekli yenileme becerisi. 9 Mesleki ve etik sorumluluk bilinci. 10 Proje yönetimi, risk yönetimi, zaman yönetimi ve değişiklik yönetimi gibi iş hayatındaki uygulamalar hakkında bilgi; girişimcilik, yenilikçilik, sıradışı yöntemler sunabilmek ve sürdürebilir kalkınma hakkında farkındalık. 11 Mühendislik uygulamalarının evrensel ve toplumsal boyutlarda sağlık, çevre ve güvenlik üzerindeki etkileri ile çağın sorunları hakkında bilgi; mühendislik çözümlerinin hukuksal sonuçları konusunda farkındalık. ECTS/İş Yükü Tablosu Aktiviteler Sayı Süresi (Saat) Toplam İş Yükü Ders saati (Sınav haftası dahildir: 16 x toplam ders saati) Laboratuar 16 3 48 Uygulama 8 3 24 Derse Özgü Staj Alan Çalışması Sınıf Dışı Ders Çalışma Süresi Sunum/Seminer Hazırlama 14 3 42 Projeler 1 5 5 Ödevler 8 3 24
Küçük Sınavlar/Stüdyo Kritiği Ara Sınavlara/Ara Juriye Hazırlanma Süresi Genel Sınava/Genel Juriye Hazırlanma Süresi 1 10 10 1 15 15 Toplam İş Yükü 168